须知，英伟达在高性能GPU（HPC和AI加速(su)器领(ling)域）就在全(quan)球吃掉了接近450亿美(mei)元的盘子，而ASIC市场2023年(nian)满打满算也只(zhi)有200亿美(mei)元，前(qian)者的高垄断性看起(qi)来暂时不(bu)用担心以(yi)博通(tong)，Marvell为代表定制化芯片对(dui)其(qi)市场份额的侵蚀。

但你要说黄仁(ren)勋不(bu)着急那肯定是(shi)假的。AI大潮的推动下，比如TPU在Google Cloud上的应用，或(huo)者亚马逊AWS的Trainium/Inferentia让不(bu)少公(gong)司在考虑ASIC方(fang)案。2023年(nian)就有风传英伟达也想进入(ru)ASIC这(zhe)个领(ling)域，为美(mei)国诸多CSP（云服务商(shang)）提供定制化服务。

OpenAI也在“背刺”英伟达？

据(ju)路透社近日报道，OpenAI正在通(tong)过开发其(qi)首款自家人工智能芯片，以(yi)减少其(qi)对(dui)英伟达芯片的需求。路透社还声称称OpenAI将在近几个月内确定其(qi)芯片的最(zui)终设计，并将方(fang)案交由(you)台积电进行流片测试。

多年(nian)以(yi)来，OpenAI一直是(shi)英伟达的大主顾(gu)之一。他们考虑非通(tong)用性GPU方(fang)案，无异于是(shi)对(dui)英伟达的一种背刺。

OpenAI 的训练(lian)和推理任务高度依(yi)赖英伟达的高性能 GPU（如 A100、H100）。OpenAI在2020年(nian)的论文中(zhong)曾(ceng)提到(dao)，GPT-3的训练(lian)使(shi)用了约1万块V100 GPU。不(bu)过，OpenAI并未(wei)公(gong)开披露其(qi)从英伟达采购的GPU具(ju)体数(shu)量，这(zhe)类(lei)信息通(tong)常被(bei)视为商(shang)业机密或(huo)涉(she)及(ji)合(he)作伙伴协议，因(yin)此外界难以(yi)获得准确数(shu)据(ju)。

除了采购GPU，他们之间的合(he)作模式还有两点需要指出：OpenAI 深(shen)度依(yi)赖英伟达的CUDA 并行计算平台和cuDNN加速(su)库，以(yi)最(zui)大化GPU在深(shen)度学习任务中(zhong)的性能；英伟达OpenAI还有间接合(he)作，通(tong)过合(he)作伙伴（如微(wei)软(ruan)Azure、亚马逊AWS）为 OpenAI 提供云GPU资源，支持其(qi)弹性计算需求。

英伟达首个DGX H200给到(dao)OpenAI

OpenAI在思考用更专用硬(ying)件ASIC的可能，步微(wei)软(ruan)Maia AI芯片和谷歌(ge)TPU的后尘，主要也是(shi)苦英伟达久矣。

英伟达通(tong)用高端GPU不(bu)仅价格昂贵，而且功耗极高，且有很强的定价权，损伤(shang)了OpenAI的“自尊心”和财务毛利率，而且某种程(cheng)度上削弱了其(qi)振臂一呼搞“星际之门”的话语权和领(ling)导权。

OpenAI敢迈出这(zhe)一步，也是(shi)看到(dao)了商(shang)用实地落(luo)地的可能性——踩(cai)着谷歌(ge)TPU的辕辐前(qian)进。

TPU是(shi)谷歌(ge)专门为机器学习（尤其(qi)是(shi)神经网络训练(lian)和推理）而设计的ASIC，从硬(ying)件到(dao)软(ruan)件全(quan)栈优(you)化，避免了GPU的通(tong)用计算冗余。

谷歌(ge)单芯片TPU v4的FP16性能约275 TFLOPS，而英伟达H100的FP16算力(li)为400 TFLOPS，看起(qi)来差距巨大，但 TPU v4可以(yi)用“打群架”的方(fang)式避免单打独斗的劣势，而且，TPU的专用推理硬(ying)件在低延迟场景中(zhong)表现更优(you)。

虽然英伟达高端GPU也需要HBM，但TPU采用的HBM高带宽内存与计算单元紧密耦合(he)，减少数(shu)据(ju)搬运开销，英伟达GPU需通(tong)过显存管理优(you)化才(cai)能避免瓶颈(jing)。

另外还有很重要的一点， 就呼应到(dao)了本文开头的话题：成本。

在谷歌(ge)云平台，TPU的按需计费成本可能低于同等算力(li)的GPU实例，尤其(qi)对(dui)长期训练(lian)任务或(huo)批(pi)量推理更具(ju)性价比。TPU作为托管服务，用户无需关注底层(ceng)硬(ying)件运维，而自建GPU集群需投入(ru)更多运维资源。

这(zhe)一切，加速(su)了OpenAI与英伟达软(ruan)脱钩(gou)的念想，双方(fang)有了某种程(cheng)度上的离心力(li)。

尽管如此，采用ASIC方(fang)案的局限性依(yi)然十分明显，TPU绑定了特定框架（TensorFlow/JAX），而GPU支持更广泛的开源工具(ju)和私有化部署，而且，ASIC一旦流片无法修改，而GPU可通(tong)过架构升(sheng)级和软(ruan)件优(you)化适应新需求。

英伟达GPU的“专用特性”

黄仁(ren)勋在业界以(yi)危机感嗅觉(jue)著称，他的名言(yan)“要时刻为企业一个月内破产做好准备”享誉全(quan)球，他不(bu)断督促自己洞察一切可能的挑(tiao)战和危机。

ASIC的冲击，他也洞若观火(huo)。

在最(zui)近这(zhe)两代（Grace Hopper和Blackwell）的AI加速(su)器中(zhong)，他其(qi)实已经用了“通(tong)用+专用”的混合(he)架构。他明白，AI训练(lian)/推理、科学计算等场景对(dui)算力(li)需求爆(bao)炸式增(zeng)长，通(tong)用架构难以(yi)满足能效和性能要求。专用硬(ying)件可显著降低大模型训练(lian)成本（如Blackwell的FP4/FP6支持稀疏计算）。

国内某知名GPU图形渲染供应商(shang)市场主管告诉心智观察所，通(tong)用芯片性能提升(sheng)趋缓(huan)，通(tong)过领(ling)域专用架构（DSA）实现差异化会成为必然选(xuan)择。

Grace Hopper和Blackwell正在不(bu)断增(zeng)加专用硬(ying)件单元，比如针对(dui)深(shen)度学习矩(ju)阵运算优(you)化（FP16/FP8精度、稀疏计算）的Tensor Core专用于光线追踪的硬(ying)件加速(su)的RT Core，针对(dui)大规模AI集群做了通(tong)信优(you)化（如Grace Hopper的芯片间互连），Blackwell架构还直接面向大语言(yan)模型（LLM）做了硬(ying)件加速(su)Transformer引擎。

这(zhe)一切的一切都说明英伟达看到(dao)了谷歌(ge)TPU、亚马逊Trainium等专用AI芯片的威胁，迫使(shi)英伟达通(tong)过专用化巩(gong)固技术壁垒。

仍然需要指出的是(shi)，英伟达的高端GPU确实在向领(ling)域专用架构（DSA）演进，但其(qi)本质仍是(shi)以(yi)通(tong)用性为基础、通(tong)过专用模块提升(sheng)关键场景效率的混合(he)模式，与ASIC的完全(quan)固化设计有本质区别。

制造端，英伟达的另一个隐秘(mi)的“护城河”

业界喜欢谈(tan)英伟达的护城河，CUDA开发者平台是(shi)其(qi)中(zhong)之一，老生常谈(tan)之外，还有他们和台积电的联盟(meng)属性不(bu)可不(bu)察。

OpenAI曾(ceng)经和Meta展开GPU的军备竞赛，总裁Altman不(bu)惜屈尊去游说台积电的张忠谋，让台积电大肆斥千亿美(mei)元在美(mei)国本土扩建晶圆(yuan)厂配合(he)英伟达扩建，在半导体圈曾(ceng)一度被(bei)传为笑谈(tan)。这(zhe)也说明，芯片光设计出来没用，需要造出来才(cai)能用——代工厂的地位不(bu)可低估(gu)，甚至他们经常扮演产业链的核心角色。

英伟达的高端GPU，如Hopper架构的H100、Blackwell架构的B200长期依(yi)赖台积电的先进制程(cheng)工艺（如7nm、5nm、4nm及(ji)更先进节点），以(yi)实现更高性能、更低功耗。台积电为英伟达提供工艺定制服务，例如在4N工艺中(zhong)优(you)化了高频性能和功耗。

台积电投桃报李，将英伟达列为关键客户，在先进制程(cheng)（如4nm）和封装产能上优(you)先分配，应对(dui)AI芯片的爆(bao)发式需求。受地缘政(zheng)治影响，双方(fang)合(he)作扩展至台积电美(mei)国亚利桑那工厂（Fab 21），计划(hua)未(wei)来部分生产转移至美(mei)国本土。

英伟达不(bu)但在新架构设计阶(jie)段即(ji)与台积电合(he)作，验证工艺可行性，而且双方(fang)合(he)作定义Chiplet互联标准（如NVLink-C2C），推动异构计算生态。英伟达与台积电的合(he)作通(tong)过制程(cheng)迭代、封装创新和供应链协同，共同定义了AI芯片的性能天花板。这(zhe)种合(he)作不(bu)仅推动技术进步，更重塑了全(quan)球半导体产业链的竞争格局。

这(zhe)恰恰就是(shi)英伟达一个隐秘(mi)的“护城河”，那就是(shi) 他们和台积电保持着紧密的合(he)作关系，而竞争对(dui)手则未(wei)必。

为什么 台积电这(zhe)样的顶级代工厂喜欢英伟达的通(tong)用GPU，而相对(dui)不(bu)那么喜欢制造ASIC？

GPU（尤其(qi)是(shi)AI/高性能计算GPU）市场需求量大且稳定，客户如英伟达、AMD等头部厂商(shang)的订(ding)单规模庞大，代工厂可通(tong)过规模效应显著降低成本。而ASIC通(tong)常为特定客户定制，需求碎片化且单次订(ding)单量小，难以(yi)形成规模经济。

GPU迭代周期较(jiao)长，代工厂可长期维持同一制程(cheng)的生产优(you)化；而ASIC可能因(yin)客户业务调整快速(su)过时，导致产能浪费。ASIC需要代工厂投入(ru)大量资源进行定制化设计、掩膜版制作和测试，但客户可能因(yin)项目失败或(huo)需求变(bian)化取消订(ding)单，导致NRE（非重复性工程(cheng)）成本难以(yi)回收。相比之下，GPU的NRE费用由(you)大客户承(cheng)担，且订(ding)单确定性更高。

因(yin)此，代工厂通(tong)用GPU的长期稳定订(ding)单可为代工厂提供更高的毛利率（尤其(qi)是(shi)先进制程(cheng)节点），而ASIC项目通(tong)常需价格谈(tan)判，利润率较(jiao)低。

黄仁(ren)勋深(shen)知， 牢牢抓住台积电，就抓住了最(zui)深(shen)的那条“护城河”。

DeepSeek崛起(qi)，英伟达帝国的裂缝越来越大

DeepSeek-V3火(huo)爆(bao)之后，该公(gong)司公(gong)开论文中(zhong)的更多细节逐渐被(bei)人挖掘出来。

韩(han)国未(wei)来资产证券的分析称，V3的硬(ying)件效率之所以(yi)能比Meta等高出10倍，可以(yi)总结为“他们从头开始(shi)重建了一切”——用英伟达的PTX（Parallel Thread Execution）语言(yan)实现的，而不(bu)是(shi)CUDA。PTX在接近汇编语言(yan)的层(ceng)级运行，允许进行细粒度的优(you)化，如寄存器分配和Thread/Warp级别的调整。

短期内，CUDA的统治地位虽然难以(yi)被(bei)撼动，但DeepSeek的PTX可能在特定市场（如政(zheng)策驱动的国产化替代、轻量级AI推理）或(huo)技术路径(jing)（如开源生态、跨(kua)硬(ying)件支持）中(zhong)开辟细分赛道。

长远来看，其(qi)影响力(li)取决于能否构建差异化价值，并突(tu)破英伟达的软(ruan)硬(ying)件协同壁垒。

英伟达制造端的“护城河”始(shi)于历史演进，也必将符合(he)历史进程(cheng)的辩(bian)证法。

英伟达和台积电这(zhe)两家过去20多年(nian)是(shi)两株(zhu)根系交缠的常青藤，但这(zhe)不(bu)意味着那些被(bei)信任浇灌的藤蔓不(bu)会褪色，在AI模型从训练(lian)到(dao)推理应用大规模迁移的微(wei)妙时刻，裂痕像午夜窗棂的冰花，在月光下折射出锋利的棱角，契(qi)约书上的墨(mo)迹突(tu)然开始(shi)游动，每个标点都在宣纸背面长出锯齿。

裂纹在出现。

最(zui)致命的那道裂纹往往开始(shi)于心脏背面，在硬(ying)科技行业中(zhong)我们已经见(jian)证了太多，诸如格芯和IBM，英特尔和诺基亚......当猜忌(ji)的孢子乘着沉默的风，在曾(ceng)经透明的默契(qi)里悄然着陆——直到(dao)某天整座瓷器轰然崩解，我们才(cai)看清每块碎片里都冻着未(wei)曾(ceng)启(qi)齿的疑云。

来源|心智观察所

观察者网两部作品进入(ru)中(zhong)国正能量网络精品评选(xuan)

欢迎大家积极投票！